JPWO2017022207A1 - ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム - Google Patents
ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム Download PDFInfo
- Publication number
- JPWO2017022207A1 JPWO2017022207A1 JP2017532366A JP2017532366A JPWO2017022207A1 JP WO2017022207 A1 JPWO2017022207 A1 JP WO2017022207A1 JP 2017532366 A JP2017532366 A JP 2017532366A JP 2017532366 A JP2017532366 A JP 2017532366A JP WO2017022207 A1 JPWO2017022207 A1 JP WO2017022207A1
- Authority
- JP
- Japan
- Prior art keywords
- information
- user
- mobile terminal
- estimation
- demographic information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Abstract
プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができるユーザ情報推定システムを提供する。推定モデル生成手段21はユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する。推定手段22は、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する。
Description
本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定するユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラムに関する。
プリペイド式携帯端末に関する事項を推定する技術が特許文献1に記載されている。特許文献1に記載された方法では、携帯端末に搭載されたプリペイドカードに記録されている利用履歴に基づいて、利用金額を推定する。すなわち、特許文献1に記載された方法では、プリペイド式携帯端末の利用金額を推定対象としている。
通信キャリアは、ポストペイド式携帯端末のユーザのデモグラフィック情報(例えば、年齢や性別等)をそのユーザとの契約時に入手するので、ポストペイド式携帯端末のユーザのデモグラフィック情報を把握することができる。なお、ここでは、デモグラフィック情報の例として年齢や性別を例示したが、デモグラフィック情報の他の例として、職業や年収等も挙げられる。
しかし、通信キャリアは、プリペイド式携帯端末のユーザのデモグラフィック情報(例えば、年齢や性別等)を把握することはできない。
特許文献1に記載された方法では、プリペイド式携帯端末の利用金額を推定することはできるが、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することはできない。
また、通信キャリアは、プリペイド式携帯端末の毎月の利用金額の実績値を把握することができるが、プリペイド式携帯端末のユーザのデモグラフィック情報に関しては、上記のように把握できない。
そこで、本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができるユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラムを提供することを目的とする。
本発明によるユーザ情報推定システムは、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成手段と、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定手段とを備えることを特徴とする。
また、本発明によるユーザ情報推定方法は、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成し、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出することを特徴とする。
また、本発明によるユーザ情報推定プログラムは、コンピュータに、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成処理、および、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定処理を実行させることを特徴とする。
本発明によれば、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができる。
以下、本発明の実施形態を図面を参照して説明する。
以下に示す本発明の各実施形態では、プリペイド式携帯端末のユーザのデモグラフィック情報として、ユーザの年齢や性別を推定する場合を例にして説明する。
なお、デモグラフィック情報(以下に示す各実施形態では年齢や性別)が推定されることをプリペイド式携帯端末のユーザが了承していることが好ましい。
また、以下に示す本発明の各実施形態では、プリペイド式携帯端末がプリペイド式携帯電話機であり、ポストペイド式携帯端末がポストペイド式携帯電話機である場合を例にして説明する。
また、以下に示す各実施形態では、プリペイド式携帯電話機のユーザのデモグラフィック情報(年齢や性別)を推定するための推定モデルを機械学習によって生成する。
そして、推定モデルを用いて推定を実行する際にパラメータとして用いる変数を「説明変数」と呼ぶ。また、推定対象を表す変数を「目的変数」と呼ぶ。
以下に示す各実施形態では、携帯電話機の使用状況を示す情報を説明変数とする。携帯電話機の使用状況を示す情報は、より具体的には、携帯電話機の使用履歴を示す情報と呼ぶこともできる。また、以下に示す各実施形態では、年齢や性別が目的変数に該当する。なお、携帯端末に関する情報を説明変数としてよく、説明変数は、携帯電話機(携帯端末)の使用状況を示す情報に限定されない。
実施形態1.
図1は、本発明の第1の実施形態のユーザ情報推定システムの例を示すブロック図である。本実施形態のユーザ情報推定システム10は、訓練データ記憶部1と、学習部2と、推定モデル記憶部3と、推定部4と、推定結果記憶部5とを備える。
図1は、本発明の第1の実施形態のユーザ情報推定システムの例を示すブロック図である。本実施形態のユーザ情報推定システム10は、訓練データ記憶部1と、学習部2と、推定モデル記憶部3と、推定部4と、推定結果記憶部5とを備える。
訓練データ記憶部1は、プリペイド式携帯電話機のユーザのデモグラフィック情報の推定モデルを学習するために用いられる訓練データを記憶する記憶装置である。以下、訓練データ記憶部1が記憶する訓練データの例を説明する。
訓練データ記憶部1は、ポストペイド式携帯電話機のユーザにおける、目的変数に該当する項目の値を、ポストペイド式携帯電話機のユーザに対応付けて記憶する。例えば、目的変数が「年齢」である場合、訓練データ記憶部1は、ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザの年齢とを対応付けて記憶する。また、例えば、目的変数が「性別」である場合、訓練データ記憶部1は、ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザの性別とを対応づけて記憶する。目的変数は1つのみとは限らず、2つ以上存在していてもよい。例えば、「年齢」のみ、または、「性別」のみを目的変数としてもよく、若しくは、「年齢」と「性別」をそれぞれ目的変数としてもよい。
訓練データ記憶部1は、例えば、ポストペイド式携帯電話機のユーザのユーザID、目的変数に該当する項目の値をユーザ毎に、(ユーザID、年齢、性別)という行列で記憶してもよい。行列に含まれる「年齢」や「性別」等の項目の数は、目的変数の数に応じて定まる。また、以下の説明では、性別を表す際に、男性を“1”で表し、女性を“−1”で表す場合を例にして説明する。例えば、ポストペイド式携帯電話機のユーザのユーザIDが“ID1”であり、そのユーザの年齢、性別がそれぞれ23才、女性であるとする。この場合、訓練データ記憶部1は、そのユーザに関して、(ID1,23,−1)という行列を記憶すればよい。例えば、訓練データ記憶部1は、ポストペイド式携帯電話機を使用する多数のユーザに関して、上記のような行列を記憶する。また、通信キャリアは、ポストペイド式携帯電話機のユーザとの契約時に年齢や性別等のデモグラフィック情報を取得するので、ポストペイド式携帯電話機のユーザの年齢や性別等を把握することができる。従って、通信キャリアが把握している情報を用いることで、ポストペイド式携帯電話機を使用する多数のユーザに関して、訓練データ記憶部1に上記のような行列を記憶させることができる。
同様に、訓練データ記憶部1は、ポストペイド式携帯電話機のユーザにおける、説明変数に該当する項目の値を、ポストペイド式携帯電話機のユーザに対応付けて記憶する。本発明では、携帯電話機の使用状況を示す情報を説明変数とする。携帯電話機の使用状況を示す情報のより具体的な例として、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」等が挙げられる。使用状況を示す情報の具体例は、これらに限定されない。また、説明変数の数は特に限定されない。例えば、例示した「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」等をそれぞれ説明変数としてもよい。訓練データ記憶部1は、ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザにおける説明変数に該当する項目の値を対応づけて記憶すればよい。
訓練データ記憶部1は、ポストペイド式携帯電話機のユーザのユーザID、各説明変数に該当する項目の値をユーザ毎に、(ユーザID、過去1か月の音声通話回数、過去1か月の音声通話時間、過去1か月のメール送信回数)という行列で記憶してもよい。例えば、ポストペイド式携帯電話機のユーザのユーザIDが“ID1”であり、そのユーザの「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」がそれぞれ“50回”、“100分”、“75回”であるとする。この場合、訓練データ記憶部1は、そのユーザに関して、(ID1,50,100,75)という行列を記憶すればよい。例えば、訓練データ記憶部1は、ポストペイド式携帯電話機を使用する多数のユーザに関して、上記のような行列を記憶する。なお、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」等の携帯電話機の使用状況を示す情報やユーザIDは、通信キャリアが有するCDR(Call Detail Record)データ(通話明細記録とも呼ばれる。)から抽出することができる。通信キャリアが有するCDRデータから、説明変数に該当する項目の値を抽出することによって、ポストペイド式携帯電話機を使用する多数のユーザに関して、訓練データ記憶部1に上記のような行列を記憶させることができる。ここで、通信キャリアは、ポストペイド式携帯電話機のユーザのユーザIDと、プリペイド式携帯電話機のユーザのユーザIDとをそれぞれ把握しているものとする。なお、各説明変数に該当する項目の値は、CDRデータ以外のデータ(例えば、基地局の通信ログ)から抽出した値であってもよい。
目的変数に該当する項目の値とともに記憶されるユーザID、および、各説明変数に該当する項目の値とともに記憶されるユーザIDは、共通であり、ポストペイド式携帯電話機のユーザのユーザIDである。
ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザにおける目的変数に該当する項目の値とを対応付けた情報の集合、および、ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザにおける各説明変数に該当する項目の値とを対応付けた情報の集合とが、訓練データである。
学習部2は、訓練データを用いて、「年齢」を目的変数とする推定モデルや、「性別」を目的変数とする推定モデルを機械学習によって生成する。推定モデルは、説明変数の値を適用することによって目的変数の値(すなわち、推定結果)を導出するためのモデルである。換言すれば、推定モデルは、説明変数と目的変数との間に成り立つ規則性を示す情報である。
推定モデルを生成する方法は、特に限定されず、例えば、回帰分析等の公知の方法でよい。
学習部2は、「年齢」を目的変数とする推定モデルのみを生成してもよく、「性別」を目的変数とする推定モデルのみを生成してもよい。また、学習部2は、「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成してもよい。
学習部2が「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成する場合、ポストペイド式携帯電話機のユーザのユーザIDと、そのユーザの年齢および性別とを対応付けた情報を訓練データに含めておく。また、学習部2が「年齢」を目的変数とする推定モデルのみを生成する場合、ポストペイド式携帯電話機のユーザの性別の値は訓練データに含まれていなくてよい。また、学習部2が「性別」を目的変数とする推定モデルのみを生成する場合、ポストペイド式携帯電話機のユーザの年齢の値は訓練データに含まれていなくてよい。以下の説明では、学習部2が「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成する場合を例にして説明する。
学習部2によって生成される「年齢」を目的変数とする推定モデルの例を説明する。この推定モデルは、例えば、以下に示す式(1)で表される。
y=Xw ・・・(1)
式(1)に示すyは、年齢が推定されるプリペイド式携帯電話機のユーザの数と同数の成分を有する列ベクトルである。すなわち、年齢が推定されるプリペイド式携帯電話機のユーザの数をnとすると、y=(a1,a2,・・・,an)Tである。a1,a2,・・・,anは、プリペイド式携帯電話機の各ユーザの年齢を表す目的変数である。
式(1)に示すXは、年齢が推定されるプリペイド式携帯電話機のユーザの数をnとし、説明変数の数をmとした場合、n行m列の行列である。Xの各行には、それぞれ説明変数が並ぶ。また、式(1)に示すwは、個々の説明変数に対応する重みを成分とする列ベクトルである。上記のように、説明変数の数がmである場合、w=(w1,w2,・・・,wm)Tである。
例えば、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」を説明変数としているものとし、その3つの説明変数をx1,x2,x3とする。この場合、w=(w1,w2,w3)Tであり、w1,w2,w3はそれぞれ、x1,x2,x3に対応する重みである。この例の場合、式(1)は、以下の式(2)のように表される。
次に、学習部2によって生成される「性別」を目的変数とする推定モデルの例を説明する。この推定モデルは、例えば、以下に示す式(3)で表される。
y=logistic(Xw) ・・・(2)
式(2)に示すX,wは、式(1)に示すX,wと同様である。また、logistic()は、ロジスティック回帰関数である。
式(2)に示すyは、性別が推定されるプリペイド式携帯電話機のユーザの数と同数の成分を有する列ベクトルである。すなわち、性別が推定されるプリペイド式携帯電話機のユーザの数をnとすると、y=(s1,s2,・・・,sn)Tである。s1,s2,・・・,snは、プリペイド式携帯電話機の各ユーザの性別を表す目的変数であり、性別の推定時には“1”または“−1”の値をとる。目的変数の値が“1”であれば、性別の推定結果が「男性」であることを意味し、目的変数の値が“−1”であれば、性別の推定結果が「女性」であることを意味する。ただし、学習部2が推定モデルを生成した時点では、目的変数の値はまだ定まっていない。
学習部2は、「年齢」を目的変数とする推定モデル(例えば、式(1))および「性別」を目的変数とする推定モデル(例えば、式(3))を、訓練データを用いて、機械学習により生成する。既に説明したように、推定モデルを生成する方法は、特に限定されず、例えば、回帰分析等の公知の方法でよい。
学習部2は、訓練データに基づいて生成した推定モデルを、推定モデル記憶部3に記憶させる。推定モデル記憶部3は、学習部2によって生成された推定モデルを記憶する記憶装置である。
推定部4は、学習部2によって生成された推定モデルを用いて、プリペイド式携帯電話機のユーザのデモグラフィック情報(本実施形態では、年齢および性別)を推定する。
推定部4には、説明変数の値として、プリペイド式携帯電話機のユーザによるプリペイド式携帯電話機の使用状況を示す情報が入力される。本例では、推定モデルにおいて、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」がそれぞれ説明変数x1,x2,x3になっているものとする。この場合、推定部4には、年齢および性別が推定されるプリペイド式携帯電話機のユーザ毎に、ユーザIDとこれらの説明変数の値とを対応付けた情報が入力される。
前述のように、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」等の携帯電話機の使用状況を示す情報やユーザIDは、CDRデータから抽出することができる。また、通信キャリアは、ポストペイド式携帯電話機のユーザのユーザIDと、プリペイド式携帯電話機のユーザのユーザIDとをそれぞれ把握している。従って、プリペイド式携帯電話機のユーザ毎に、ユーザIDと各説明変数の値とを対応付けた情報を、推定部4に入力することができる。
推定部4は、ユーザ毎に入力された各説明変数の値を、式(1)に代入することによって、式(1)のベクトルyの成分a1,a2,・・・,anの値を算出する。本例では、式(1)は、具体的には、式(2)のように表される。推定部4は、1番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値、2番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値、・・・、n番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値をそれぞれ、行列Xの1行目の各成分、行列Xの2行目の各成分、・・・、行列Xのn行目の各成分に代入することによって、ベクトルyの成分a1,a2,・・・,anの値を算出する。a1,a2,・・・,anはそれぞれ、プリペイド式携帯電話機の各ユーザの年齢を表す目的変数であるので、算出されたa1,a2,・・・,anの値は、プリペイド式携帯電話機の各ユーザの年齢の推定値である。
同様に、推定部4は、ユーザ毎に入力された各説明変数の値を、式(3)に代入することによって、式(3)のベクトルyの成分s1,s2,・・・,snの値を算出する。本例では、式(3)の行列Xの各行の成分はx1,x2,x3である。推定部4は、1番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値、2番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値、・・・、n番目のプリペイド式携帯電話機のユーザのx1,x2,x3の値をそれぞれ、式(3)の行列Xの1行目の各成分、行列Xの2行目の各成分、・・・、行列Xのn行目の各成分に代入することによって、式(3)のベクトルyの成分s1,s2,・・・,snの値を算出する。s1,s2,・・・,snはそれぞれ、プリペイド式携帯電話機の各ユーザの性別を表す目的変数であるので、算出されたs1,s2,・・・,snの値は、プリペイド式携帯電話機の各ユーザの性別の推定値を表わす。本例では、s1等の目的変数の値が“1”である場合、男性であることを意味し、値が“−1”である場合、女性であることを意味する。
推定結果記憶部5は、推定部4によって推定されたプリペイド式携帯電話機のユーザのデモグラフィック情報を記憶する記憶装置である。推定部4は、プリペイド式携帯電話機のユーザのユーザIDと年齢および性別の推定結果とを対応づけて、推定結果記憶部5に記憶させる。
学習部2および推定部4は、例えば、ユーザ情報推定プログラムに従って動作するコンピュータのCPUによって実現される。この場合、CPUは、例えば、コンピュータのプログラム記憶装置(図1において図示略)等のプログラム記録媒体からユーザ情報推定プログラムを読み込み、そのユーザ情報推定プログラムに従って、学習部2および推定部4として動作すればよい。また、学習部2および推定部4が別々のハードウェアによって実現されていてもよい。
また、本発明のユーザ情報推定システム10は、2つ以上の物理的に分離した装置が有線または無線で接続されている構成であってもよい。この点は、後述の実施形態において同様である。
次に、本発明の処理経過について説明する。図2は、本発明の第1の実施形態の処理経過の例を示すフローチャートである。訓練データ記憶部1には、ポストペイド式携帯電話機の多数のユーザに関して得られた、ユーザIDと年齢および性別とを対応付けた情報の集合、および、ユーザIDと各説明変数(本例では、「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」とする。)に該当する項目の値とを対応付けた情報の集合が、予め訓練データとして記憶されているものとする。
学習部2は、訓練データ記憶部1に記憶されている訓練データに基づいて、機械学習によって推定モデルを生成する(ステップS1)。本例では、学習部2は、「年齢」を目的変数とする推定モデル、および、「性別」を目的変数とする推定モデルを生成するものとする。また、「年齢」を目的変数とする推定モデルは、式(1)で表され、「性別」を目的変数とする推定モデルは、式(3)で表されるものとする。
学習部2は、生成した推定モデルを推定モデル記憶部3に記憶させる。
次に、推定部4には、年齢および性別が推定されるプリペイド式携帯電話機のユーザ毎に、ユーザIDおよび各説明変数(「過去1か月の音声通話回数」、「過去1か月の音声通話時間」、「過去1か月のメール送信回数」)の値が入力される。ユーザIDおよびこのような使用状況を示す情報を表す説明変数は、通信キャリアが有するCDRデータから抽出することができる。
推定部4は、入力されたプリペイド式携帯電話機の各ユーザの各説明変数の値を推定モデルに適用することによって、プリペイド式携帯電話機のユーザの年齢、性別を推定する(ステップS2)。ステップS2において、推定部4は、式(1)の行列Xの行毎に1人分のプリペイド式携帯電話機のユーザの各説明変数の値を代入することによって、式(1)のベクトルyの成分a1,a2,・・・,anの値を算出する。a1,a2,・・・,anの値は、プリペイド式携帯電話機の各ユーザの年齢の推定値である。同様に、推定部4は、式(3)の行列Xの行毎に1人分のプリペイド式携帯電話機のユーザの各説明変数の値を代入することによって、式(3)のベクトルyの成分s1,s2,・・・,snの値を算出する。s1,s2,・・・,snの値は、プリペイド式携帯電話機の各ユーザの推定値である。前述のように、s1等の値が“1”である場合、男性であることを意味し、値が“−1”である場合、女性であることを意味する。
推定部4は、プリペイド式携帯電話機のユーザのユーザIDと、そのユーザの年齢および性別の推定結果とを対応付けて、推定結果記憶部5に記憶させる。
本実施形態によれば、年齢や性別が既知となっているポストペイド式携帯電話機のユーザの年齢や性別と、そのユーザによる携帯電話機の使用状況を示す情報とに基づいて、目的変数(年齢や性別)と説明変数(使用状況を示す情報)との関係を示す推定モデルを学習部2が生成する。そして、推定部4が、プリペイド式携帯電話機のユーザによる使用状況を示す情報を推定モデルに適用することによって、プリペイド式携帯電話機のユーザの年齢や性別の推定値を算出する。従って、本実施形態によれば、プリペイド式携帯電話機のユーザの年齢や性別を推定することができる。
実施形態2.
図3は、本発明の第2の実施形態のユーザ情報推定システムの例を示すブロック図である。第1の実施形態における要素と同様の要素については、図1と同一の符号を付し、説明を省略する。本実施形態のユーザ情報推定システム10は、訓練データ記憶部1と、学習部2と、推定モデル記憶部3と、推定部4と、推定結果記憶部5と、基地局関連情報生成部6と、基地局関連情報記憶部7を備える。訓練データ記憶部1、学習部2、推定モデル記憶部3、推定部4および推定結果記憶部5は、第1の実施形態における訓練データ記憶部1、学習部2、推定モデル記憶部3、推定部4および推定結果記憶部5と同様である。
図3は、本発明の第2の実施形態のユーザ情報推定システムの例を示すブロック図である。第1の実施形態における要素と同様の要素については、図1と同一の符号を付し、説明を省略する。本実施形態のユーザ情報推定システム10は、訓練データ記憶部1と、学習部2と、推定モデル記憶部3と、推定部4と、推定結果記憶部5と、基地局関連情報生成部6と、基地局関連情報記憶部7を備える。訓練データ記憶部1、学習部2、推定モデル記憶部3、推定部4および推定結果記憶部5は、第1の実施形態における訓練データ記憶部1、学習部2、推定モデル記憶部3、推定部4および推定結果記憶部5と同様である。
以下の説明では、学習部2および推定部4が、第1の実施形態で説明した処理を実行し、その結果、プリペイド式携帯電話機のユーザのユーザIDと、そのユーザの年齢および性別の推定結果とを対応付けた情報が、推定結果記憶部5に記憶されているものとする。
基地局関連情報生成部6には、各基地局の通信ログが入力される。通信ログは、個々の基地局毎に生成される。通信ログには、その通信ログを生成した基地局と通信を行った携帯電話機のユーザのユーザIDと、その基地局およびその携帯電話機とが通信を行った時刻(以下、通信時刻と記す。)と、その基地局の基地局IDとが対応付けられて記録されている。
基地局関連情報生成部6は、推定結果記憶部5に記憶されているユーザID(プリペイド式携帯電話機のユーザのユーザID)をキーにして、各基地局の通信ログから、そのユーザIDに対応づけられている通信時刻、および基地局IDを抽出する。基地局関連情報生成部6は、さらに、その通信時刻および基地局IDと、キーとして用いたユーザID、およびそのユーザIDに対応付けられて推定結果記憶部5に記憶されているプリペイド式携帯電話機のユーザのデモグラフィック情報(具体的には年齢および性別)とを対応付けた情報を生成する。すなわち、基地局関連情報生成部6は、プリペイド式携帯電話機のユーザのユーザID、そのユーザの年齢、性別、そのユーザのプリペイド式携帯電話機と基地局との通信時刻、およびその基地局の基地局IDとを対応付けた情報を生成する。以下、この情報を基地局関連情報と記す。
基地局関連情報生成部6は、通信ログから抽出した通信時刻と基地局IDとの組毎に、を生成する。
基地局関連情報記憶部7は、基地局関連情報を記憶する記憶装置である。基地局関連情報生成部6は、生成した基地局関連情報を基地局関連情報記憶部7に記憶させる。
学習部2、推定部4および基地局関連情報生成部6は、例えば、ユーザ情報推定プログラムに従って動作するコンピュータのCPUによって実現される。この場合、CPUは、例えば、コンピュータのプログラム記憶装置(図3において図示略)等のプログラム記録媒体からユーザ情報推定プログラムを読み込み、そのユーザ情報推定プログラムに従って、学習部2、推定部4および基地局関連情報生成部6として動作すればよい。また、学習部2、推定部4および基地局関連情報生成部6が別々のハードウェアによって実現されていてもよい。
本実施形態においても、ユーザ情報推定システム10は、第1の実施形態で説明したステップS1,S2の処理を実行する。その結果、プリペイド式携帯電話機のユーザのユーザIDと、そのユーザの年齢および性別の推定結果とを対応付けた情報が、推定結果記憶部5に記憶された状態となる。その後、基地局関連情報生成部6は、入力された各基地局の通信ログと、推定結果記憶部5に記憶された情報とに基づいて、基地局関連情報を生成し、その基地局関連情報を基地局関連情報記憶部7に記憶させる。
本実施形態においても、第1の実施形態と同様の効果が得られる。また、本実施形態によれば、プリペイド式携帯電話機のユーザのユーザID、そのユーザのデモグラフィック情報(年齢、性別)、そのユーザのプリペイド式携帯電話機と基地局との通信時刻、およびその基地局の基地局IDとを対応付けた情報である基地局関連情報が得られる。通信キャリアは、基地局IDによって特定される基地局の位置を把握することができる。従って、基地局関連情報から、どの場所に、いつ、何歳のユーザが存在していたかを把握し、そのユーザの性別も把握することができる。
なお、推定部4が、年齢のみを推定対象としている場合には、基地局関連情報に年齢の情報は含まれていなくてよい。また、推定部4が、性別のみを推定対象としている場合には、基地局関連情報に性別の情報は含まれていなくてよい。
第2の実施形態では、ユーザ情報推定システムが、推定したデモグラフィック情報と、基地局の通信ログから抽出した情報とを結びつける場合を示した。ユーザ情報推定システムが、推定したデモグラフィック情報と、CRM(Customer Relationship Management)から取得できるARPU(Average Revenue Per User)や端末情報とを結び付けてもよい。また、事業者がDPI(Deep Packet Inspection)を導入している場合には、ユーザ情報推定システムが、推定したデモグラフィック情報と、DPIから取得できる情報(例えば、ユーザがアクセスしたURL等)とを結び付けてもよい。
なお、上記の各実施形態で説明したユーザ情報推定システム10は、例えば、通信キャリアによって使用されるが、通信キャリア以外の者がユーザ情報推定システム10を使用してもよい。その場合、ユーザ情報推定システム10の使用者は、通信キャリアから、訓練データ、推定部4に入力する情報、通信ログ、基地局IDと基地局の位置との関係を示す情報等の提供を受ければよい。
なお、本発明のユーザ情報推定システムによるサービスは、SaaS(Software as a Service)形式で提供され得る。
また、上記の各実施形態で説明したユーザ情報推定システム10のうち、学習に関する要素を含む独立したシステム(以下、学習システムと記す。)と、推定に関する要素を含む独立したシステム(以下、推定システムと記す。)とをそれぞれ別のシステムとし、学習システムおよび推定システムとを別の者が使用してもよい。
図4は、学習システムの例を示すブロック図である。図1に示す要素と同一の要素については、図1と同一の符号を付す。学習システムは、訓練データ記憶部1と、学習部2と、推定モデル記憶部3とを備える。
訓練データ記憶部1は、第1の実施形態および第2の実施形態における訓練データと同様の訓練データを記憶する。
学習部2は、ポストペイド型携帯電話機のユーザの使用状況を示す情報と、そのポストペイド型携帯電話機のユーザのデモグラフィック情報とに基づいて(換言すれば、訓練データに基づいて)、デモグラフィック情報を目的変数とし、使用状況を示す情報を説明変数とする推定モデルを生成する。学習部2の具体的な動作は、第1の実施形態および第2の実施形態における学習部2の動作と同様である。
推定モデル記憶部3は、推定モデルを記憶する記憶装置である。学習部2は、生成した推定モデルを推定モデル記憶部3に記憶させる。
図5は、推定システムの例を示すブロック図である。図1に示す要素と同一の要素については、図1と同一の符号を付す。推定システムは、推定部4と、推定結果記憶部5とを備える。
推定部4には、学習システム(図4参照)によって生成された推定モデルが入力される。また、推定部4には、プリペイド式携帯電話機のユーザの使用状況を示す情報(換言すれば、説明変数の値)が入力される。推定部4は、その使用状況を示す情報を推定モデルに適用することによって、プリペイド式携帯電話機のユーザのデモグラフィック情報の推定値を算出する。推定部4の具体的な動作は、第1の実施形態および第2の実施形態における推定部4の動作と同様である。
推定結果記憶部5は、第1の実施形態および第2の実施形態における推定結果記憶部5と同様である。
図5に示す推定システムは、第2の実施形態における基地局関連情報生成部6および基地局関連情報記憶部7を含んでいてもよい。
また、以上の説明では、ポストペイド型携帯端末に関する情報(例えば、使用状況を示す情報)と、ポストペイド型携帯端末のユーザのデモグラフィック情報とを訓練データとする場合を示した。訓練データとして用いる情報は、ポストペイド型携帯端末に関する情報に限定されず、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報であればよい。すなわち、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、そのデモグラフィック情報とを訓練データとして用いればよい。
図6は、本発明の各実施形態に係るコンピュータの構成例を示す概略ブロック図である。コンピュータ1000は、CPU1001と、主記憶装置1002と、補助記憶装置1003と、インタフェース1004と、入力デバイス1006とを備える。入力デバイス1006には、推定部4に対する入力データや基地局関連情報生成部6に対する入力データが入力される。
各実施形態のユーザ情報推定システム10は、コンピュータ1000に実装される。ユーザ情報推定システム10の動作は、プログラム(ユーザ情報推定プログラム)の形式で補助記憶装置1003に記憶されている。CPU1001は、プログラムを補助記憶装置1003から読み出して主記憶装置1002に展開し、そのプログラムに従って上記の処理を実行する。
補助記憶装置1003は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例として、インタフェース1004を介して接続される磁気ディスク、光磁気ディスク、CD−ROM、DVD−ROM、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ1000に配信される場合、配信を受けたコンピュータ1000がそのプログラムを主記憶装置1002に展開し、上記の処理を実行してもよい。
また、プログラムは、前述の処理の一部を実現するためのものであってもよい。さらに、プログラムは、補助記憶装置1003に既に記憶されている他のプログラムとの組み合わせで前述の処理を実現する差分プログラムであってもよい。
次に、本発明の概要について説明する。図7は、本発明のユーザ情報推定システムの概要を示すブロック図である。本発明のユーザ情報推定システムは、推定モデル生成手段21と、推定手段22とを備える。
推定モデル生成手段21(例えば、学習部2)は、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する。
推定手段22(例えば、推定部4)は、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する。
そのような構成により、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができる。
また、推定モデル生成手段21が、ポストペイド型携帯端末に関する情報と、ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成してもよい。
また、推定モデル生成手段21が、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、使用状況を示す情報を説明変数とする推定モデルを生成し、推定手段22が、プリペイド型携帯端末の使用状況を示す情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出してもよい。
また、基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、その基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、その基地局とそのプリペイド型携帯端末とが通信を行った時刻、およびそのユーザのデモグラフィック情報の推定値とを対応づけた情報(例えば、基地局関連情報)を生成する情報生成手段(例えば、基地局関連情報生成部6)を備える構成であってもよい。
例えば、推定モデル生成手段21は、年齢を目的変数とする推定モデルと、性別を目的変数とする推定モデルの一方または両方を生成する。
以上、実施形態を参照して本願発明を説明したが、本願発明は、上記の実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、2015年8月6日に出願された米国仮出願62/201,647を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定するユーザ情報推定システムに好適に適用される。
1 訓練データ記憶部
2 学習部
3 推定モデル記憶部
4 推定部
5 推定結果記憶部
6 基地局関連情報生成部
7 基地局関連情報記憶部
10 ユーザ情報推定システム
2 学習部
3 推定モデル記憶部
4 推定部
5 推定結果記憶部
6 基地局関連情報生成部
7 基地局関連情報記憶部
10 ユーザ情報推定システム
Claims (13)
- ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成手段と、
プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定手段とを備える
ことを特徴とするユーザ情報推定システム。 - 推定モデル生成手段は、ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する
請求項1に記載のユーザ情報推定システム。 - 推定モデル生成手段は、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成し、
推定手段は、プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
請求項1または請求項2に記載のユーザ情報推定システム。 - 基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する情報生成手段を備える
請求項1から請求項3のうちのいずれか1項に記載のユーザ情報推定システム。 - 推定モデル生成手段は、年齢を目的変数とする推定モデルと、性別を目的変数とする推定モデルの一方または両方を生成する
請求項1から請求項4のうちのいずれか1項に記載のユーザ情報推定システム。 - ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成し、
プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
ことを特徴とするユーザ情報推定方法。 - ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する
請求項6に記載のユーザ情報推定方法。 - ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成し、
プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
請求項6または請求項7に記載のユーザ情報推定方法。 - 基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する
請求項6から請求項8のうちのいずれか1項に記載のユーザ情報推定方法。 - コンピュータに、
ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成処理、および、
プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定処理
を実行させるためのユーザ情報推定プログラム。 - コンピュータに、
推定モデル生成処理で、ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成させる
請求項10に記載のユーザ情報推定プログラム。 - コンピュータに、
推定モデル生成処理で、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成させ、
推定処理で、プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出させる
請求項10または請求項11に記載のユーザ情報推定プログラム。 - コンピュータに、
基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する情報生成処理を実行させる
請求項10から請求項12のうちのいずれか1項に記載のユーザ情報推定プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562201647P | 2015-08-06 | 2015-08-06 | |
US62/201,647 | 2015-08-06 | ||
PCT/JP2016/003458 WO2017022207A1 (ja) | 2015-08-06 | 2016-07-26 | ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2017022207A1 true JPWO2017022207A1 (ja) | 2018-06-14 |
Family
ID=57942713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017532366A Pending JPWO2017022207A1 (ja) | 2015-08-06 | 2016-07-26 | ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180225681A1 (ja) |
JP (1) | JPWO2017022207A1 (ja) |
WO (1) | WO2017022207A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020121389A1 (ja) * | 2018-12-11 | 2020-06-18 | 株式会社オートネットワーク技術研究所 | ワイヤハーネス、コネクタ及び通信中継方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06119309A (ja) * | 1992-10-02 | 1994-04-28 | Intetsuku:Kk | 購入見込み度合予測方法及び顧客管理システム |
JPH09167152A (ja) * | 1995-12-19 | 1997-06-24 | Hitachi Ltd | 対話的モデル作成方法 |
US7472072B2 (en) * | 2000-02-24 | 2008-12-30 | Twenty-Ten, Inc. | Systems and methods for targeting consumers attitudinally aligned with determined attitudinal segment definitions |
JP2002183811A (ja) * | 2000-12-15 | 2002-06-28 | Toyo Commun Equip Co Ltd | 携帯電話機自動販売機 |
JP2006524009A (ja) * | 2003-03-25 | 2006-10-19 | セドナ・パテント・サービシズ・エルエルシー | 視聴者分析結果の生成 |
EP2053552A3 (en) * | 2005-11-03 | 2011-02-02 | KTFreetel Co., Ltd. | A legacy cooperation device and processing method |
JP5130851B2 (ja) * | 2007-09-27 | 2013-01-30 | 富士通株式会社 | モデル作成支援システム、モデル作成支援方法、モデル作成支援プログラム |
EP2271991A4 (en) * | 2008-04-30 | 2012-12-26 | Intertrust Tech Corp | SYSTEMS AND METHODS FOR DATA COLLECTION AND TARGETED ADVERTISING |
US20100211462A1 (en) * | 2009-02-16 | 2010-08-19 | David Nowacek | Targeted Content on a Product Distribution Network |
JP2013211616A (ja) * | 2012-03-30 | 2013-10-10 | Sony Corp | 端末装置、端末制御方法、プログラム、および情報処理システム |
CN104364805A (zh) * | 2012-06-13 | 2015-02-18 | 索尼公司 | 信息处理器、信息处理方法和程序 |
JP6075131B2 (ja) * | 2013-03-13 | 2017-02-08 | 株式会社ニコン | 認証システム、サービス提供システム、認証装置及びプログラム |
JP6127014B2 (ja) * | 2013-04-26 | 2017-05-10 | スルガ銀行株式会社 | 推奨与信枠算出装置 |
IN2013MU01841A (ja) * | 2013-05-24 | 2015-05-29 | Tata Consultancy Services Ltd | |
US20170140401A1 (en) * | 2014-06-30 | 2017-05-18 | Nec Corporation | Prediction system and prediction method |
-
2016
- 2016-07-26 US US15/750,349 patent/US20180225681A1/en not_active Abandoned
- 2016-07-26 WO PCT/JP2016/003458 patent/WO2017022207A1/ja active Application Filing
- 2016-07-26 JP JP2017532366A patent/JPWO2017022207A1/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US20180225681A1 (en) | 2018-08-09 |
WO2017022207A1 (ja) | 2017-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046433B (zh) | 一种基于联邦学习的模型训练方法 | |
TWI736673B (zh) | 來電處理方法、裝置及終端 | |
AU2013305922B2 (en) | Hierarchical based sequencing machine learning model | |
AU2013305924B2 (en) | Multiple output relaxation machine learning model | |
CA3001839C (en) | Call detail record analysis to identify fraudulent activity and fraud detection in interactive voice response systems | |
US20160057284A1 (en) | Method and system for determining telephony system response | |
CN113286044B (zh) | 联络中心系统中的行为配对模型评估的方法、系统和制品 | |
CN102819607A (zh) | 一种推荐用户的方法和装置 | |
US20170140401A1 (en) | Prediction system and prediction method | |
TWI505667B (zh) | 完成有關於通訊網路節點之預測分析的方法與系統 | |
CN108711067A (zh) | 电销时间段的选取方法、终端设备及介质 | |
CN105847368A (zh) | 评价信息的显示方法及装置 | |
CN105959365A (zh) | 应用推荐方法和应用推荐装置 | |
JP2015186018A (ja) | 通信装置、オペレータ選択方法及びプログラム | |
WO2017022207A1 (ja) | ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム | |
KR20130053838A (ko) | 친밀도 산출 장치 및 방법 | |
US20150358469A1 (en) | System and method for dynamic job allocation based on acoustic sentiments | |
CN108259451A (zh) | 与目标客户的通话方法、业务终端和服务器 | |
CN110969240A (zh) | 一种深度卷积神经网络的剪枝方法、装置、设备及介质 | |
CN109191140A (zh) | 一种评分卡模型整合方法及装置 | |
CN105592029B (zh) | 虚拟资源转移操作状态的同步方法及服务器 | |
CN108062379B (zh) | 数据处理方法、平台、装置和计算机可读存储介质 | |
CN109726363B (zh) | 一种数据统计方法和装置 | |
CN111163237A (zh) | 呼叫业务流程控制方法和相关装置 | |
JP5943348B2 (ja) | コールセンタシステム及びコールセンタシステムの顧客ランク決定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180205 |